至顶网CIO与应用频道 09月18日 北京消息:小型企业坐拥着一座尚未开发的“金矿”。
这些企业拥有的数据和信息,仅从数量而言就十分惊人。而且这些数据的价值难以估量。
康奈尔大学、英士国际商学院和世界知识产权组织 (WIPO) 于 2016 年 8 月 15 日发布报告称,中国已跻身全球 25 大最具创新力的经济体之列。
中国企业涵盖各个领域,包括云计算、基因图谱、智能制造、智慧城市、大数据分析以及 5G,因而中国俨然已成为全球创新合作关系中的重要合作伙伴。
越来越多的企业将会发现,经营的成败在于其收集和使用的数据。现在尚未在数据方面有所投入的中小型企业,日后在面对已把数据纳入经商之道的对手时,将会处于劣势。
那么小型企业如何开始利用眼前数据带来的机遇呢?
专注具体目标,获得可衡量结果
假设您有几十个单独的数据库,分别用于电子邮件、社交媒体信息和电话号码。如何对这些数据库排列优先顺序来决定投入的多少呢?答案是以主要业务目标为首要排序依据。
如果您的业务是销售实际产品,请从销售数据入手,设法处理数据或将数据与其他信息融合,从中获得见解,例如顾客在您的网站上搜索了哪些内容,何时进行搜索。
请记住,使用数据往往意味着要结合两个或多个数据库,发现其共同揭示的信息,而并非仅依赖于单个数据集。通过新式数据分析软件,用户可以发现多个数据源中的模式,得到更可靠的分析数据。
允许员工访问数据
目前,中国一半以上 (53%) 的公司高管认为组织决策是“高度数据驱动”的过程,这与几年前的情况相比出现了明显变化:在当时,中国大部分 (57%) 公司高管们认为组织决策只是“部分数据驱动”的。
公司需要让最常接触数据的人员查看并理解数据,让他们常为决策者实时呈现数据。了解实际业务的人提供的见解对整体经营战略的影响能提高企业成功的可能性。
不要吝惜使用数据分析工具。例如,无论是在外出差、在门店上班还是在家,如果能随时随地访问工作相关数据,销售人员就会有更好的工作表现。大多数数据分析工具都可以在移动平台上使用。
见解无处不在
请允许每位企业成员访问数据,无论是基层员工还是董事会成员。如果他们无法访问数据,您很难预料自己将错失什么样的宝贵见解。
请记住,谁都有可能提供宝贵的见解。如果允许基层员工访问数据集,您会发现他们可能带来您未曾发现过的数据见解。
当然,除了公司内部员工,对客户来说数据也同样重要。如今,与客户会面或洽谈业务不再只局限于传统的会议室,无论您是在餐厅还是在机场,都需要随时向客户展示和分享数据。
不要奢求完美
企业常抱怨数据太复杂,数据“一团糟”而无法解读,抑或是推迟处理数据,因为需要先完成系统迁移和数据清理。
事实上,数据不完美这并不重要,更重要的是及时利用已有的相关数据进行数据分析。
利用敏捷的分析解决方案,您可以选择最紧迫的问题,找到相关数据集并立即开始深入分析。
您往往会比预想中更早地发现价值。数据分析软件可对来自不同数据源、不同类型的数据进行分类,将其整理为易于解读的格式,使数据“更整洁”。
了解数据的“重心”在云端
我们收集的云端数据越来越多,因此使用这些云端数据的应用和服务也应该位于云端。
Tableau 的云端策略非常简单——基于用户的选择。无论数据存储在任何地方,还是系统以何种方式部署及管理维护,Tableau 都提供了相应的云端解决方案为您打造符合企业今天及未来的理想云端解决方案。以 Tableau Online 为例,使用该平台无需本地安装硬件,各种不同规模的企业都可以访问数据。事实上我们发现,在过去的15个月中,Tableau Online 平台上基于云端托管的使用增加了28%。
截止至2016年第一季度,我们近70% 的客户都选择了云端的数据托管方式。这样做是有道理的——因为这让小型企业能更轻松地开始访问和分析数据。
为了从数据中获取最大收益,需要开始优先考虑这种面向云端的转型。
没有“放之四海皆准”的战略
合理利用数据可为小型企业开启见解的宝藏,但如果仍使用基于文件的陈旧工作表就无法实现此目标。
从现在开始,您需要想方设法从信息中获取最大收益。找到方法后,就可以着手开发既方便使用又能引领成功的数据结构了。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。